基于强边缘有效性统计的图像清晰度评价

本文提出一种无参考图像清晰度评价方法——基于“强边缘有效性统计”。通过定义“边缘有效性”并计算区块的有效性,解决散焦模糊和运动模糊图片的清晰度评价问题。质量档次划分结合了传统图像处理与文献[2]的指标,适用于多种模糊类型的图像清晰度评估。
摘要由CSDN通过智能技术生成

摘要

图像清晰度评价是图像质量评价中的一个重要组成部分,对于自动对焦、图像压缩、视频封面提取等应用具有重要意义。目前图像清晰度评价可分为有参考图像清晰度评价和无参考图像清晰度评价[1]。

对于无参考清晰度评价,文献[2]提出了基于强边缘宽度直方图的评价方法,能够较好地评价散焦模糊和轻微运动模糊的图片清晰度,但是不能准确地评价信噪比低以及较大运动模糊的图片。文献[3]提出了基于最低方向高频能量的运动模糊检测方法,能够较好地检测出图像中的运动模糊,但是无法处理非运动模糊图像的情况。

本文参考文献[2]和文献[3],提出了“基于强边缘有效性统计”的评价指标,利用该指标可以评价不同内容、不同模糊类型的图片清晰度。

模糊类型

对于图像清晰度的理解,可以反过来看成对图像模糊的理解,越模糊的,越不清晰。而图像模糊可能有多种原因造成:散焦模糊、运动模糊、噪声、失真等。

640?wx_fmt=png

目前针对散焦模糊和运动模糊,已有文献[2]和文献[3]分别做了相关的工作和研究。它们分别是《基于强边缘宽度直方图的图像清晰度指标》和《基于最低方向高频能量的运动模糊检测》

散焦模糊图片评价

文献[2]提出了“基于强边缘宽度直方图的图像清晰度指标”的方法,该方法首先利用Sobel算子检测边缘,然后统计这些边缘上的边缘宽度,建立直方图,最后计算评价值。

640?wx_fmt=png

该方法对于信噪比高的图片效果较好,但是对于信噪比低的图片无法适用,因为往往这个时候检测到的边缘可能不是真实的物体边缘。比如对于运动模糊严重的图片,检测到的边缘往往是运动造成的“拖影”。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值